圖1大腦存儲和計算壹體化聲音定位示意圖
清華大學集成電路研究所高斌副教授研究組利用憶阻器的連續電導調制特性，構建了壹種基於憶阻器陣列的新型類腦計算系統，應用於聲音定位任務:網絡由60個輸入神經元和7個輸出神經元組成，輸入和輸出信息分別為雙耳接收的聲學信號和-90度至90度範圍內的方位角，所有輸出層神經元* * *決定預測角度。
圖二。基於憶阻器陣列的聲音定位網絡的硬件實現，受腦機制啟發。
傳統的憶阻器編程策略雖然可以大大降低在線訓練的硬件開銷，但是很難滿足定位任務的精度要求。為了克服這個問題，研究組提出了容忍憶阻器離散性的多閾值更新策略。在權值更新過程中，引入多個判斷閾值，並根據權值更新值所在的區間施加相應數量的操作脈沖。分析結果表明，多閾值更新策略實現了語音網絡訓練精度和硬件開銷之間的平衡。
圖3考慮憶阻器特性和硬件開銷的多閾值更新策略。
在1K TiN/TaOy/HfOx/TiN憶阻器陣列中，研究小組成功演示了針對CIPIC HRTF數據集樣本的聲音定位任務。實驗結果表明，與傳統訓練方案相比，采用多閾值更新策略後，網絡檢測準確率提高了約45.7%。此外，與之前的CMOS ASIC方案相比，該技術表現出較高的定位精度和184倍的能耗優勢。該工作為實現低能耗、高性能的類腦定位系統提供了壹種新的解決方案。
圖4基於憶阻器陣列的聲音定位功能演示和硬件評估結果。
最近，這項工作的相關研究成果在Nature上題為“基於憶阻器的模擬計算用於原位訓練的腦啟發聲音定位”？在線出版的時事通訊(自然通訊)。清華大學集成電路研究所高斌副教授、吳華強教授為本文合著者，周穎、高斌、張慶田為本文合著者。本研究得到了科技創新2030重大項目“腦科學與類腦研究”、國家自然科學基金傑青項目、重點項目和科學探索獎的支持。
高斌副教授多年來壹直致力於基於憶阻器的類腦計算領域的研究。受邀在Nature Electronics、Nature Communications和Proceedings of IEEE等期刊上撰寫腦芯片綜述，在ASP-DAC、A-SSCC等會議上做專題報告，在IEDM、EDTM等旗艦會議上擔任模型分委會主席。